論文の概要: Face Beneath the Ink: Synthetic Data and Tattoo Removal with Application
to Face Recognition
- arxiv url: http://arxiv.org/abs/2202.05297v1
- Date: Thu, 10 Feb 2022 19:35:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-14 15:16:57.685666
- Title: Face Beneath the Ink: Synthetic Data and Tattoo Removal with Application
to Face Recognition
- Title（参考訳）: 墨の下の顔-合成データとタトゥー除去と顔認識への応用-
- Authors: Mathias Ibsen, Christian Rathgeb, Pawel Drozdowski, Christoph Busch
- Abstract要約: 顔画像にリアルなタトゥーを自動的に付加するジェネレータを提案する。
画像の品質を劣化させることなく、実際の画像から顔の入れ墨を除去できることを示す。
また,提案した深層学習を用いたタトゥー除去により,顔認識精度の向上が可能であることを示す。
- 参考スコア（独自算出の注目度）: 14.63266615325105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Systems that analyse faces have seen significant improvements in recent years
and are today used in numerous application scenarios. However, these systems
have been found to be negatively affected by facial alterations such as
tattoos. To better understand and mitigate the effect of facial tattoos in
facial analysis systems, large datasets of images of individuals with and
without tattoos are needed. To this end, we propose a generator for
automatically adding realistic tattoos to facial images. Moreover, we
demonstrate the feasibility of the generation by training a deep learning-based
model for removing tattoos from face images. The experimental results show that
it is possible to remove facial tattoos from real images without degrading the
quality of the image. Additionally, we show that it is possible to improve face
recognition accuracy by using the proposed deep learning-based tattoo removal
before extracting and comparing facial features.
- Abstract（参考訳）: 顔を分析するシステムは近年大きく改善され、現在では多くのアプリケーションシナリオで使われている。
しかし、これらのシステムはタトゥーなどの顔の変化によって悪影響を受けることが判明している。
顔分析システムにおける顔タトゥーの効果をよりよく理解し緩和するためには、入れ墨のない個人の画像の大きなデータセットが必要である。
そこで本研究では,顔画像にリアルなタトゥーを自動付加するジェネレータを提案する。
さらに,顔画像からタトゥーを除去するための深層学習モデルを用いて,その生成可能性を示す。
実験の結果,画像の品質を劣化させることなく,実際の画像から顔タトゥーを除去できることが示唆された。
また,顔の特徴を抽出・比較する前に,深層学習に基づくタトゥー除去により,顔認識精度の向上が期待できることを示す。
関連論文リスト
- OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。
顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。
その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-26T07:07:48Z) - Face Anonymization Made Simple [44.24233169815565]
現在の顔の匿名化技術は、しばしば、不正確で信頼性の低い顔認識モデルによって計算されたアイデンティティ損失に依存する。
対照的に,本手法では再建損失のみを伴う拡散モデルを用いて,顔のランドマークやマスクの必要性を排除している。
本モデルは,アイデンティティの匿名化,顔の保存,画質の3つの重要な領域において,最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-11-01T17:45:21Z) - G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。
本稿では,Gtextsuperscript2Faceを提案する。
提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
論文 参考訳（メタデータ） (2024-08-18T12:36:47Z) - TattTRN: Template Reconstruction Network for Tattoo Retrieval [3.3728564634593914]
タトゥーは、法執行機関が犯罪者や被害者を識別するのを助けるために、ソフトバイオメトリックスとして効果的に使用されている。
タトゥーを含む画像の取得にはさまざまなプライバシー上の問題があるため、限られた数のデータベースしか存在しない。
このデータベースの欠如は、潜在的な容疑者のタトゥー画像を効果的に検索する新しい手法の開発を遅らせている。
論文 参考訳（メタデータ） (2024-05-13T09:19:03Z) - A Generalist FaceX via Learning Unified Facial Representation [77.74407008931486]
FaceXは、多様な顔タスクを同時に処理できる新しい顔ジェネラリストモデルである。
汎用的なFaceXは、一般的な顔編集タスクの精巧なタスク特化モデルと比較して、競争性能が向上する。
論文 参考訳（メタデータ） (2023-12-31T17:41:48Z) - DreamIdentity: Improved Editability for Efficient Face-identity
Preserved Image Generation [69.16517915592063]
人間の顔の正確な表現を学習するための新しい顔識別エンコーダを提案する。
また、モデルの編集可能性を高めるために、自己拡張編集可能性学習を提案する。
我々の手法は、異なるシーン下でより高速にアイデンティティ保存された画像を生成することができる。
論文 参考訳（メタデータ） (2023-07-01T11:01:17Z) - DigiFace-1M: 1 Million Digital Face Images for Face Recognition [25.31469201712699]
最先端の顔認識モデルは、Wildデータセットのラベル付き顔に対して99.8%以上の精度で達成されている。
コンピュータグラフィックスパイプラインを用いてデジタル顔の描画によって得られた顔認識のための大規模合成データセットを提案する。
論文 参考訳（メタデータ） (2022-10-05T22:02:48Z) - Quality Metric Guided Portrait Line Drawing Generation from Unpaired
Training Data [88.78171717494688]
本研究では,顔画像から肖像画への自動変換手法を提案する。
本手法は,(1)1つのネットワークを用いて複数のスタイルで高品質な肖像画を生成することを学習し,(2)トレーニングデータに見つからない「新しいスタイル」の肖像画を生成する。
論文 参考訳（メタデータ） (2022-02-08T06:49:57Z) - FaceEraser: Removing Facial Parts for Augmented Reality [10.575917056215289]
私たちの仕事は、すべての顔部分を取り除き、拡張現実のために空白の顔に視覚的要素を課すことです。
本研究では,空白の顔によく似通ったペアトレーニングデータを生成する新しいデータ生成手法を提案する。
提案手法は商用製品に統合され,その有効性は制約のないユーザ入力で検証されている。
論文 参考訳（メタデータ） (2021-09-22T14:30:12Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - Impact of Facial Tattoos and Paintings on Face Recognition Systems [14.784088881975897]
顔の入れ墨や絵画が現在の顔認識システムに与える影響を調査します。
これらのモジュールに対する影響は、最先端のオープンソースおよび商用システムを用いて評価された。
私たちの研究は最初のケーススタディであり、顔のタトゥーや絵画によって引き起こされる視覚変化にロバストなアルゴリズムを設計する必要性を示しています。
論文 参考訳（メタデータ） (2021-03-17T22:38:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。